本文发表于《大众科学》的前博客网络，反映的是作者的观点，不一定代表《大众科学》的观点
你身处一群陌生人之中，你需要记住他们所有人的名字。其中一位名叫阿曼达，她染着紫色的头发。
你会怎么做？你自然而然地会把她记住为“染着紫色头发的阿曼达”。这个最初引人注目的特征——一下子吸引你眼球的东西——诱使你使用了一个简单的记忆技巧。
然而，这里有个陷阱。除非你了解了关于阿曼达的外貌和行为的其他信息，否则你的助记符只有在阿曼达永远不改变发型的情况下才有用。尽管她的头发很突出，但它并不是代表你早些时候遇到的这个人“概念”的有效特征。
关于支持科学新闻报道
如果你喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道： 订阅。通过购买订阅，你正在帮助确保有关当今塑造我们世界的发现和想法的有影响力的故事的未来。
当面临发展新类别的机会时，我们会被最明显的特征所吸引。这通常是有道理的，可以节省脑力资源。然而，像大多数节省时间的策略一样，它可能会适得其反。有时候，最突出的特征是最不具信息量的。
记忆始于对周围世界的编码，如果无信息的显著信息劫持了这个过程，那么与概念相关的记忆（充其量）是低效的。
我与凯特琳·麦考利曼就此进行了交流，她目前正在加拿大西蒙弗雷泽大学攻读认知心理学博士学位。根据麦考利曼的说法：“人类推理抽象概念的能力使更高层次的思维成为可能，但这些抽象概念是使用不完善的系统开发的。”
“听说有人接种疫苗后被诊断出患有自闭症，可能会让人相信疫苗会导致自闭症（尽管有相反的证据）。一旦确立疫苗与“导致自闭症”等特征相关联，一个人就更有可能完全诋毁疫苗。一旦确立了这些概念，就很难再忘记。因此，导致伪科学思维的因素之一是我们过于宽泛的概念系统。”
麦考利曼使用眼动追踪器研究人们如何访问类别中的特征（阅读一些她的研究成果）。“从中，我们可以看到人们如何看待信息，以及他们在学习过程中眼球注视的变化。有时候，在决定某个事物属于哪个类别时，有用的特征可能不如无用的特征那么明显，我们测量人们弄清楚这一点需要多长时间，以及他们在这样做的过程中眼球运动如何变化。”
这意味着，仅仅因为某些东西引起了我们的注意，或者很容易记住，并不意味着它对于理解我们想要学习的新事物是有用的。这也意味着我们可以随着时间的推移学习如何对信息进行分类，例如学习如何避开那些令人恐惧的、引人注目的伪科学主张。
我们如何才能减少被不重要的信息分散注意力？也许可以通过可视化重要信息。如果我们把数据展示简化到最基本的要素，使它们引人注目但又真正容易直观地理解，我们就帮助它们战胜了无意义的信息。战胜了紫色的头发。
麦考利曼说：“在一系列新的研究中，我正在探索对特征的关注如何与解释数据展示相关联。因为图表实际上只是世界中数字的抽象表示，我怀疑以易于识别的组和模式提供数据将使信息交流更容易，并帮助更多人做出更多数据驱动的决策。”
那么，从这里开始，我们要去哪里？关于这种见解，有什么很酷的、未来的应用吗？根据麦考利曼的说法：“我预计人类学习中的类别学习工作将有助于计算机视觉的发展，因为我们了解了人们正在注意的环境中的规律。在让计算机系统注意到人们注意到的相同事物方面，仍有很大的改进空间。”我们需要帮助人们和计算机避免被不重要的、引人注目的信息分散注意力。
这项研究的结论似乎是：在与伪科学和虚假信息进行后真相战争时，请确保重要信息引人注目且易于快速理解。